训练动力系统不再逐步模拟:速度匹配让轨迹误差降一个数量级,还能换步长重算
学习非线性动力系统的连续时间演化通常要展开轨迹目标,训练时反复数值积分并反传,代价随展开长度增长。速度匹配改用观测轨迹的分段线性插值与区间内随机取点,直接回归速度场,无需模拟学习到的动力学。在非线性常微分方程和半离散时变偏微分方程上,相同迭代预算下其误差比轨迹类目标低一个数量级以上,并能在训练未用的格式与步长下保持精度。
学习非线性动力系统的连续时间演化通常要展开轨迹目标,训练时反复数值积分并反传,代价随展开长度增长。速度匹配改用观测轨迹的分段线性插值与区间内随机取点,直接回归速度场,无需模拟学习到的动力学。在非线性常微分方程和半离散时变偏微分方程上,相同迭代预算下其误差比轨迹类目标低一个数量级以上,并能在训练未用的格式与步长下保持精度。
研究团队对22只C57BL/6小鼠(11只接受三次口咽部博来霉素0.25 mg/kg诱导肺纤维化,11只给予生理盐水对照)在基线和第7、14、21天进行呼吸门控µCT扫描,用U-Net深度学习分割左右肺并以气道标志将每侧再分为尖部与尾部共4个亚区,提取容积、充气分区与通气图等结构与功能生物标志物,发现生理盐水组各指标稳定且个体间变异小,而博来霉素组尖部(尤其左尖部)最早且最重受损,右尾叶在持续结构异常下通气功能于第21天恢复至基线水平,提示存在区域代偿性通气,这类局部功能障碍与代偿效应在全肺整体测量中无法被捕捉。
该工作提出一种将递归高斯过程(RGP)与反馈线性化控制器结合的无人机控制方案,用专门设计的卡尔曼滤波调参算法在线补偿反馈线性化未抵消的非线性动力学,并将整套RGP流程直接部署在真实四旋翼(ANT-X Lab无人机)上,通过室内单轴水平位置控制实验验证:在多种重复与非重复正弦参考信号下,相比不含RGP的同一控制器,均方根误差几何平均改善38%至75%,几何平均跟踪误差在4.5厘米(ω=1rad/s恒幅正弦)到9.85厘米(扫频正弦)之间。
已读完全部报道